RAG in der Industrie: Interviewstudie zeigt Einsatz, Anforderungen, Herausforderungen

Die Forschung zum Retrieval-Augmented Generation (RAG) hat in den letzten Jahren an Fahrt gewonnen. RAG kombiniert große Sprachmodelle mit externen Wissensquellen, um die Qualität der generierten Inhalte zu erhöhen. Trotz der schnellen Weiterentwicklung fehlt bislang ein klarer Überblick darüber, wie Unternehmen diese Technologie tatsächlich einsetzen.

Um diese Lücke zu schließen, führte ein Forschungsteam eine halbstrukturierte Interviewstudie mit 13 Industriepraktikern durch. Die Befragten gaben Einblicke in die aktuelle Nutzung von RAG in der Praxis, stellten die wichtigsten Anwendungsfälle vor und identifizierten zentrale Systemanforderungen.

Die Ergebnisse zeigen, dass RAG-Anwendungen vor allem in domänenspezifischen Frage‑und‑Antwort‑Systemen zum Einsatz kommen und sich meist noch im Prototypen‑Status befinden. Die wichtigsten Anforderungen der Industrie liegen in den Bereichen Datenschutz, Sicherheit und Qualitätskontrolle. Themen wie Ethik, Bias und Skalierbarkeit werden zwar erwähnt, erhalten aber weniger Aufmerksamkeit.

Ein weiteres zentrales Problem ist die Datenvorverarbeitung, die als entscheidender Engpass gilt. Die Bewertung der Systeme erfolgt überwiegend durch menschliche Experten, anstatt automatisierter Testverfahren. Diese Erkenntnisse liefern wertvolle Orientierungspunkte für Entwickler und Entscheider, die RAG in ihren Unternehmen implementieren wollen.